Menuju Sistem AI yang Dapat Dijelaskan (XAI) untuk Pengalaman Pengguna yang Lebih Baik: Studi tentang Interaksi Multimodal pada Perangkat Cerdas untuk Pembelajaran Reflektif

Sistem Kecerdasan Buatan (AI) semakin terintegrasi dalam kehidupan sehari-hari melalui perangkat cerdas, namun kurangnya transparansi dan kemampuan menjelaskan (explainability) sering menjadi hambatan dalam membangun kepercayaan dan pengalaman pengguna yang bermakna. Penelitian ini mengkaji peran Explainable AI (XAI) dalam meningkatkan pengalaman pengguna melalui interaksi multimodal pada perangkat cerdas, dengan fokus pada bagaimana mekanisme penjelasan dapat mendukung pembelajaran reflektif. Melalui tinjauan literatur sistematis terhadap perkembangan terkini dalam XAI, interaksi multimodal, dan desain antarmuka, penelitian ini mengidentifikasi bahwa efektivitas XAI sangat bergantung pada bagaimana penjelasan disampaikan dan dikontekstualisasikan dalam pengalaman pengguna. Temuan menunjukkan bahwa pendekatan multimodal menggabungkan penjelasan visual, tekstual, dan auditori meningkatkan pemahaman pengguna hingga 40% dibandingkan penjelasan unimodal, sementara penjelasan adaptif yang disesuaikan dengan tingkat keahlian pengguna meningkatkan kepercayaan dan kepuasan secara signifikan. Interaksi multimodal pada perangkat cerdas memungkinkan pengguna untuk mengeksplorasi dan memahami keputusan AI melalui berbagai saluran sensorik, mendorong pembelajaran reflektif dimana pengguna tidak hanya menerima output AI tetapi juga merefleksikan proses penalaran di baliknya. Tantangan yang masih ada mencakup trade-off antara transparansi dan kejelasan, beban kognitif dari penjelasan yang berlebihan, serta kebutuhan untuk menyeimbangkan akurasi dan interpretabilitas dalam model AI. Penelitian ini menyimpulkan bahwa XAI multimodal yang dirancang dengan mempertimbangkan kebutuhan pengguna dan konteks penggunaan dapat menjadi jembatan antara kompleksitas teknis AI dan pengalaman pengguna yang intuitif dan memberdayakan, membuka jalan menuju AI yang lebih transparan, tepercaya, dan kolaboratif.

Authors

Institutions

Publication Details

Journal
MUARA KOMPUTER Jurnal Ilmiah Ilmu Komputer & Elektronika
Published
2026-10-14
DOI
https://doi.org/10.64365/murakom.v2i4.607
Primary Topic
Explainable Artificial Intelligence (XAI)
Type
article
Field-Weighted Citation Impact
0.00
Controls
|||
ALL TIME
JAN
FEB
MAR
APR
MAY
JUN
JUL
AUG
SEP
OCT
article

Menuju Sistem AI yang Dapat Dijelaskan (XAI) untuk Pengalaman Pengguna yang Lebih Baik: Studi tentang Interaksi Multimodal pada Perangkat Cerdas untuk Pembelajaran Reflektif

Aris Munandar, Selvi Aulia Ranty
MUARA KOMPUTER Jurnal Ilmiah Ilmu Komputer & Elektronika
Explainable Artificial Intelligence (XAI)
article

Menuju Sistem AI yang Dapat Dijelaskan (XAI) untuk Pengalaman Pengguna yang Lebih Baik: Studi tentang Interaksi Multimodal pada Perangkat Cerdas untuk Pembelajaran Reflektif

Aris Munandar, Selvi Aulia Ranty
article en

Abstract

Sistem Kecerdasan Buatan (AI) semakin terintegrasi dalam kehidupan sehari-hari melalui perangkat cerdas, namun kurangnya transparansi dan kemampuan menjelaskan (explainability) sering menjadi hambatan dalam membangun kepercayaan dan pengalaman pengguna yang bermakna. Penelitian ini mengkaji peran Explainable AI (XAI) dalam meningkatkan pengalaman pengguna melalui interaksi multimodal pada perangkat cerdas, dengan fokus pada bagaimana mekanisme penjelasan dapat mendukung pembelajaran reflektif. Melalui tinjauan literatur sistematis terhadap perkembangan terkini dalam XAI, interaksi multimodal, dan desain antarmuka, penelitian ini mengidentifikasi bahwa efektivitas XAI sangat bergantung pada bagaimana penjelasan disampaikan dan dikontekstualisasikan dalam pengalaman pengguna. Temuan menunjukkan bahwa pendekatan multimodal menggabungkan penjelasan visual, tekstual, dan auditori meningkatkan pemahaman pengguna hingga 40% dibandingkan penjelasan unimodal, sementara penjelasan adaptif yang disesuaikan dengan tingkat keahlian pengguna meningkatkan kepercayaan dan kepuasan secara signifikan. Interaksi multimodal pada perangkat cerdas memungkinkan pengguna untuk mengeksplorasi dan memahami keputusan AI melalui berbagai saluran sensorik, mendorong pembelajaran reflektif dimana pengguna tidak hanya menerima output AI tetapi juga merefleksikan proses penalaran di baliknya. Tantangan yang masih ada mencakup trade-off antara transparansi dan kejelasan, beban kognitif dari penjelasan yang berlebihan, serta kebutuhan untuk menyeimbangkan akurasi dan interpretabilitas dalam model AI. Penelitian ini menyimpulkan bahwa XAI multimodal yang dirancang dengan mempertimbangkan kebutuhan pengguna dan konteks penggunaan dapat menjadi jembatan antara kompleksitas teknis AI dan pengalaman pengguna yang intuitif dan memberdayakan, membuka jalan menuju AI yang lebih transparan, tepercaya, dan kolaboratif.

MUARA KOMPUTER Jurnal Ilmiah Ilmu Komputer & Elektronika
Maranatha Christian University (ID)
Openalex Percentile: Top 13%
Explainable Artificial Intelligence (XAI)
AI Navigator

Ask Laika to Summarize, Analyze, and Connect papers live on the map.

Summarize Papers & Methodologies

Extract key findings, datasets, and comparative methods across publications.

Benchmark Rankings & Visual Analytics

Rank top research institutions, authors, funders, topics, and journals by Field-Weighted Citation Impact (FWCI) and paper volume with instant charts.

Connect Distant Disciplines

Bridge topological clusters on the map to find hidden collaborative intersections.